医疗影像语义分割常用指标

一、病灶检测的指标

0 注释：
TP: 实际为真，预测为真
FP: 实际为假，预测为真（假阳性）
TN: 实际为假，预测为假
FN: 实际为真，预测为假
TP + FN = 实际的所有正例
TP + FP = 预测的所有正例

1. 准确率（precision）
$$\text{ precision }=\frac{TP}{TP+FP}$$
预测的所有正例中，预测正确所占的比率。
2.召回率（recall）(也称为sensitivity)
$$recall=\frac{TP}{TP+FN}$$
预测正确的正例，占实际正例的比率。
3. 特异性（specificity）
$$\text{specificity}=\frac{TN}{TN+FP}$$
预测正确的负例，占实际负例的比率。
4. F1 score
$$F_1\text{ score }=2.\frac{1}{\frac{1}{\text{ recall }}+\frac{1}{\text{ precision }}}$$

$$F_1\text{ score }=2.\frac{\text{ precision }\times \text{recall}}{\text{precision}+\text{recall}}$$
注意： 不同的场景要选择合适的指标。如在医疗影像中，要尽可能的提高召回率（racall），宁可为错杀，不错过，避免漏诊！

二、分割性能的指标

1. Dice系数（也有称DSC）
其计算公式为
$$DSC=\frac{2\left|I_1\cap I_2\right|}{\left|I_1\right|+\left|I_2\right|}$$

注意$I_1$和$I_2$针对的是分割的区域，不是整幅图像。
程序实现思路：
可以将两幅图像变为一维的列表，从而根据计数在同样索引且为同一类别的像素数量。
（对二分类与多分类要回举一反三）

2. Jaccard distance(也有称IOU)
其计算公式为
$$JD=\frac{\left|I_1\cap I_2\right|}{\left|I_1\right|+\left|I_2\right|-\left|I_1\cap I_2\right|}=\frac{|I_1\cap I_2|}{|I_1\cup I_2|}$$
未完待更…